[Spring] Sentinel详解

🌸个人主页:https://blog.csdn.net/2301_80050796?spm=1000.2115.3001.5343 🏵️热门专栏: 🧊 Java基本语法(97平均质量分)https://blog.csdn.net/2301_80050796/category_12615970.html?spm=1001.2014.3001.5482 🍕 Collection与数据结构 (93平均质量分)https://blog.csdn.net/2301_80050796/category_12621348.html?spm=1001.2014.3001.5482 🧀线程与网络(97平均质量分) https://blog.csdn.net/2301_80050796/category_12643370.html?spm=1001.2014.3001.5482 🍭MySql数据库(95平均质量分)https://blog.csdn.net/2301_80050796/category_12629890.html?spm=1001.2014.3001.5482 🍬算法(97平均质量分)https://blog.csdn.net/2301_80050796/category_12676091.html?spm=1001.2014.3001.5482 🍃 Spring(97平均质量分)https://blog.csdn.net/2301_80050796/category_12724152.html?spm=1001.2014.3001.5482 🎃Redis(97平均质量分)https://blog.csdn.net/2301_80050796/category_12777129.html?spm=1001.2014.3001.5482 🐰RabbitMQ(97平均质量分) https://blog.csdn.net/2301_80050796/category_12792900.html?spm=1001.2014.3001.5482 感谢点赞与关注~~~

目录

• 1. 服务雪崩
• 2. 微服务保护
• • 2.1 服务保护方案
  • • 2.1.1 请求限流
    • 1.1.2 线程隔离
    • 1.1.3 服务熔断
  • 1.2 Sentinel
  • • 1.2.1 介绍和安装
    • 1.2.2 微服务整合
  • 1.3 请求限流
  • 1.4 线程隔离
  • • 1.4.1 OpenFeign整合Sentinel
    • 1.4.2 配置线程隔离
  • 1.5 服务熔断
  • • 1.5.1 编写降级逻辑
    • 1.5.2 服务熔断l

1. 服务雪崩

在微服务远程调用的过程中,购物车服务需要查询最新的商品信息,与购物车数据做对比,提醒用户.如果此时商品服务查询发生故障,查询购物车列表在调用商品服务时,也会发生异常,从而导致购物车查询失败. 还有级联失败问题: 还是查询购物车的业务,加入商品服务业务并发较高,占用过多的Tomcat连接,可能会导致商品服务的所有接口响应时间增加,延迟变高,甚至是长时间的阻塞至查询失败. 此时查询购物车业务需要查询并等待商品查询结果，从而导致查询购物车列表业务的响应时间也变长，甚至也阻塞直至无法访.。而此时如果查询购物车的请求较多，可能导致购物车服务的Tomcat连接占用较多，所有接口的响应时间都会增加，整个服务性能很差， 甚至不可用. 以此类推,整个微服务中与购物车服务,商品服务等有调用关系的服务可能都会出现问题,最终导致整个集群不可用. 这就是级联失败问题,或者叫雪崩问题.那么如何解决上述问题呢?我们接下来就给出解决的方案.

2. 微服务保护

保证服务运行的健壮性,避免级联失败导致的雪崩问题,就属于微服务保护,这章我们就一起来学习一下微服务保护的常见方案已经应对技术.

2.1 服务保护方案

微服务保护的方案有很多,比如:

• 请求限流
• 线程隔离
• 服务熔断

这些方案或多或少都会导致服务的体验略有下降,比如请求限流,降低了并发上限,线程隔离,降低了可用资源的数量,服务熔断,降低了服务的完整度,部分服务变得不可用或者弱可用.因此这些方案都属于降级的方案,但通过这些方案,服务的健壮性得到了提升. 接下来,我们就逐一了解这些方案的原理.

2.1.1 请求限流

服务故障的最重要原因就是并发太高,为了解决这个问题,就能避免大部分的故障,当然,接口的并发不是一直很高,而是突发的.因此请求限流,就是限制或控制接口的并发访问量,避免服务因为流量激增而出现故障. 请求限流往往会有一个限流器,数量高低起伏的并发请求曲线,经过限流器就变得非常平稳.

1.1.2 线程隔离

当一个业务接口响应时间过长,而且并发高时,就可能耗尽服务的线程资源,导致服务内的其他接口受到影响,所以我们必须把这种影响降低,或者缩减影响的范围,线程隔离正是解决这个问题的好办法. 线程隔离的思想来自轮船的舱壁模式: 轮船的船舱会被隔板分割为N个相互隔离的密闭舱,加入轮船触礁进水,只有损坏的部分密闭仓会进水,而其他仓由于相互隔离,并不会进水,这样就把进水控制在了部分船体,避免了整个船仓进水而整体沉没. 为了避免某个接口故障或者压力过大导致导致了整个服务不可用,我们可以限定每个接口可以使用的资源范围,也就是将其"隔离"起来. 如图所示,我们给查询购物车业务限定可用线程数量上限为20,这样即便查询购物车的请求因为查询商品服务而出现故障,也不会导致服务器的资源被耗尽,不会影响到其他的接口.

1.1.3 服务熔断

线程隔离虽然避免了雪崩问题,但是故障服务(商品服务)依然会拖慢购物车服务(服务调用方)的接口响应速度,而且商品查询依然会导致查询购物车功能出现故障,购物车业务也变得不可用了. 所以我们需要做两件事情:

• 编写服务降级逻辑: 就是服务方调用失败后的处理逻辑,根据业务场景,可以抛出异常,也可以返回友好提示或者默认数据.
• 异常统计和熔断: 统计服务提供方的异常比例,当比例过高表明该接口会影响到其他服务,应该拒绝调用该接口,而是直接走降级逻辑.
• 

1.2 Sentinel

微服务保护的技术有很多,但是在国内使用较多的还是Sentinel,所以接下来我们学习Sentinel的使用.

1.2.1 介绍和安装

Sentinel是阿里巴巴开源的一款服务保护框架，目前已经加入SpringCloudAlibaba中。官方网站: https://sentinelguard.io/zh-cn/,为了方便监控微服务,我们需要先把Sentinel的控制台搭建出来.

然后运行如下的命令启动控制台:

java -Dserver.port=8090 -Dcsp.sentinel.dashboard.server=localhost:8090 -Dproject.name=sentinel-dashboard -jar sentinel-dashboard.jar

访问 访问http://localhost:8090/

需要输入账号和密码,默认都是:sentinel 登录之后,即可看到控制台,默认会监控sentinel-dashboard服务本身:

1.2.2 微服务整合

<!–sentinel–>
<dependency>
<groupId>com.alibaba.cloud</groupId>
<artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
</dependency>

spring:
cloud:
sentinel:
transport:
dashboard: localhost:8090

访问引入该微服务的任意端点 Sentinel的客户端会将服务访问的信息提交到Sentinel-dashboard控制台,并展示出统计信息: 点击簇点链路菜单,就是单机调用链路,是一次请求进入服务后经过的每一个被Sentinel监控的的资源,默认情况下,Sentinel会监控SpringMVC的每一个接口. 因此,我们看到/carts这个接口路径就是其中一个簇点,我们可以对其进行限流,熔断,隔离等保护措施. 不过需要注意的是,我们的SpringMVC接口是按照Restful风格设计,因此购物车的查询,删除,修改等接口全部都是/carts路径: 默认情况下Sentinel会把路径作物簇点资源的名称,无法区分区分路径相同但是请求方式不同的接口,查询,删除,修改等都被识别为一个簇点资源,这显然是不合适的. 首先,在cart-service的application.yml``中添加下面的配置:

spring:
cloud:
sentinel:
transport:
dashboard: localhost:8090
http-method-specify: true # 开启请求方式前缀

然后重启服务,通过页面访问购物车的相关接口,可以看到Sentinel控制台的簇点链路发生了变化:

1.3 请求限流

在簇点链路后面点击留空按钮,可以对其做限流配置: 在弹出的菜单中可以这样填写: 这样就把查询购物车列表这个簇点资源的流量限制在了每秒6个,也就是QPS最大为6. 我们利用了Jemeter做限流测试,我们每秒发出10个请求: 最终监控结果如下: 可以看得出get:/carts这个接口的通过QPS稳定在6附近,而拒绝的QPS稳定在4附近,符合我们的预期.

1.4 线程隔离

限流可以降低服务器的压力,减少引并发流量引起的服务故障的概率,但是不能完全避免服务故障,但某个服务出现故障,我们必须隔离对这个服务的调用,避免发生雪崩. 比如,查询购物车的时候需要查询商品,为了避免因商品服务出现故障导致导致购物车服务级联失败,我们可以把购物车业务中查询商品的部分隔离起来,限制可用的线程资源:

这样即便商品服务出现了故障,最多导致查询购物车的业务故障,并且可用的线程资源也被限定在一定的范围之内,不会导致整个购物车服务崩溃. 所以我们要对查询商品的FeignClient接口做线程隔离.

1.4.1 OpenFeign整合Sentinel

修改cart-service模块的application.yml文件,开启Feign的Sentinel功能:

feign:
sentinel:
enabled: true # 开启feign对sentinel的支持

需要注意的是,默认情况之下SpringBoot项目的Tomcat最大线程数是200,允许的最大连接是8492,单机测试很难打满. 所以我们需要配置一下cart-service模块的application.yml文件,修改Tomcat连接:

server:
port: 8082
tomcat:
threads:
max: 50 # 允许的最大线程数
accept-count: 50 # 最大排队等待数量
max-connections: 100 # 允许的最大连接

然后重启car-service服务,可以看到查询商品的FeignClient自动变成了一个簇点资源:

1.4.2 配置线程隔离

接下来,点击查询商品的FeignClient对应的簇点资源后面的流控按钮: 在弹出的表单中填写下面内容: 注意,这里勾选的时并发线程数限制,也就是说这个查询功能最多使用5个线程,而不是5QPS.如果查询商品的接口每秒处理2个请求,则5个线程的实际QPS在10左右,而超出的请求自然会被拒绝.

我们使用Jemeter测试,每秒发送100个请求: 最终测试接口如下: 进入查询购物车的请求每秒在100,而在查询商品时却只剩下每秒100左右,符合我们的预期. 此时如果我们通过页面访问购物车的其他接口,例如添加购物车,修改购物车商品数量,发现不受影响: 响应时间非常短,这就证明线程隔离起到了作用,尽管查询购物车这个接口并发很高,但是它能使用的线程资源被限制了,因此会不会影响到其他的接口.

1.5 服务熔断

在上一个章节,我们利用了线程隔离对查询购物车业务进行了隔离,保护了购物车服务的其他接口,由于查询商品的功能耗时较高,在加上线程隔离限定了线程数为5,导致接口吞吐能力有限,最终QPS只有10 左右,这就导致了几个问题. 第一,超出的QPS上限的请求只能抛出异常,从而导致购物车的查询失败,但是从业务角度来说,即便没有查询到最新的商品信息,购物车也应该展示给用户,用户体验更好,也就是给查询失败设置一个降级处理逻辑. 第二,由于查询商品的延迟较高,从而导致 查询购物车的响应时间也变长,这样不仅拖慢了购物车服务,消耗了购物车服务的更多资源,而且用户体验也很差,对于商品服务这种不太健康的接口,我们应该直接停止调用,直接走降级逻辑,避免影响到当前服务,也就是将商品接口熔断.

1.5.1 编写降级逻辑

触发限流或熔断后的请求不一定要直接报错,也可以返回一些默认数据或者友好提示,用户体验会更好. 给FeignClient编写失败后的降级有两种方式:

• 方式一; FallbackClass,无法对远程调用的异常做处理
• 方式二: FallbackFactory,可以对远程调用做异常处理,我们一般选择这种方式

这里我们演示方式二的降级处理: 步骤一: 在hm-api模块中给ItemClient定义降级处理类,实现FallbackFactory: 代码如下:

package com.hmall.api.client.fallback;

import com.hmall.api.client.ItemClient;
import com.hmall.api.dto.ItemDTO;
import com.hmall.api.dto.OrderDetailDTO;
import com.hmall.common.exception.BizIllegalException;
import com.hmall.common.utils.CollUtils;
import lombok.extern.slf4j.Slf4j;
import org.springframework.cloud.openfeign.FallbackFactory;

import java.util.Collection;
import java.util.List;

@Slf4j
public class ItemClientFallback implements FallbackFactory<ItemClient> {
@Override
public ItemClient create(Throwable cause) {
return new ItemClient() {
@Override
public List<ItemDTO> queryItemByIds(Collection<Long> ids) {
log.error("远程调用ItemClient#queryItemByIds方法出现异常，参数：{}", ids, cause);
// 查询购物车允许失败，查询失败，返回空集合
return CollUtils.emptyList();
}

@Override
public void deductStock(List<OrderDetailDTO> items) {
// 库存扣减业务需要触发事务回滚，查询失败，抛出异常
throw new BizIllegalException(cause);
}
};
}
}

步骤二: 在hm-api模块中的com.hmall.api.config.DefaultFeignConfig类中将ItemClientFallback注册为一个Bean. 步骤三: 在hm-api模块中的ItemClient接口中使用ItemClientFallbackFactory: 启动后,再次测试,发现限流的请求不再报错,走了降级逻辑: 但是未被限流的请求延时依然很高:

1.5.2 服务熔断l

查询商品的RT较高,从而导致查询购物车的RT事件也变得很长,这样不仅拖慢了购物车服务,消耗了购物车很多的资源,而且用户体验也很差,对于商品服务这种不太健康的接口,我们应该停止调用,直接走降级逻辑,避免影响到当前服务,这也就是将商品查询接口熔断,当商品服务接口恢复正常之后,再允许调用,这其实就是熔断器的工作模式了. Sentinel中的断路器不仅仅可以统计某个接口的慢请求比例,还可使统计异常请求比例,当这些比例超出阈值时,就会熔断该接口,即拦截访问接口的一切请求,降级处理,当该接口恢复正常时,再放行对于该接口的请求,断路器的工作状态切换有一个状态机来控制: 状态机包括是三个状态:

• closed: 关闭状态,断路器放行所有请求,并开始统计异常比例,慢请求比例,超过阈值则切换到open状态
• open: 打开状态,服务调用被熔断,访问被熔断的服务会拒绝访问,并快速失败,直接走降级逻辑,Open状态持续一段时间后进入half-open状态.
• half-open: 半开状态,放行一次请求,根据执行结果来判断接下来的操作.
  • 请求成功: 则切换到closed状态
  • 请求失败: 则切换到open状态

我们可以在控制台通过点击簇点后的"熔断"按钮来配置熔断策略: 在弹出的表格中这样填写: 这种是按照慢调用比例来做熔断,上述配置的含义是:

• RT超过200毫秒的请求就是慢调用
• 统计最近的1000ms内的最少5次请求,如果慢调用比例不超过0.5,则触发熔断
• 熔断持续时长20s

配置完成之后,再次利用jemeter进行测试,可以发现: 在一开始一段时间是允许访问的,后来触发熔断之后,查询商品服务的接口通过QPS直接为0,所有请求都被熔断了,而查询购物车的本身没有受到影响. 此时整个购物车查询服务的平均RT影响不大: